pandas 的日期/時間型別有如下幾種：
concept
scalar class
array class
pandas data type
primary creation method
date times
timestamp
datetimeindex
datetime64[ns] or datetime64[ns, tz]
to_datetime or date_range
time deltas
timedelta
timedeltaindex
timedelta64[ns]
to_timedelta or timedelta_range
time spans
period
periodindex
period[freq]
period or period_range
date offsets
dateoffset
none
none
dateoffset
首先獲取資料，並且將 dataframe 的date列轉換成datetime型別：
也可以在read_csv()方法中，通過parse_dates引數直接將某些列轉換成datetime64型別：
df1 = pd.read_csv('sample-salesv3.csv', parse_dates=['date'])sku的銷售金額。
pandas 的pandas.series.dt可以獲得日期/時間型別的相關資訊。比如
df1['date'].dt.year
df1['date'].dt.month
df1['date'].dt.quarter
int型別，作為統計的字段，我們更希望是2014-04這樣的格式，有兩個方法：
# 方法 1第二種方法使用起來更加簡單，引數m表示月份，q表示季度，a表示年度，d表示按天，這幾個引數比較常用。
新增了一列之後，做出資料透視表：
import numpy as np
pivot = pd.pivot_table(df1, index=['sku'], columns=['period'], values=['ext price'], aggfunc=np.sum)
pivot.head()
df1['quarter'] = df1['date'].dt.to_period('q')
quarter_pivot = pd.pivot_table(df1, index=['sku'], columns=['quarter'], values=['ext price'], aggfunc=np.sum)
mysql對日期的操作 MySql對日期的操作
1 計算倆個日期之間所差的天數 2 計算日期是這週的星期幾 select dayofweek 2018 09 18 1.因為外國一般都是把星期天認為是一周的開始，所以用這種方法一般都得減去一天才是這週的星期幾 2.這種方法是直接獲取當天是週幾 s,s 兩位數字形式的秒 00,01,59 i 兩位數字...
對日期的計算
今天 datetime.now.date.toshortdatestring 昨天，就是今天的日期減一 datetime.now.adddays 1 toshortdatestring 明天，同理，加一 datetime.now.adddays 1 toshortdatestring 本週 要知道本...
對日期型別進行格式化
h 24 小時制的小時，被格式化為必要時帶前導零的兩位數，即 00 23。i 12 小時制的小時，被格式化為必要時帶前導零的兩位數，即 01 12。k 24 小時制的小時，即 0 23。l 12 小時制的小時，即 1 12。m 小時中的分鐘，被格式化為必要時帶前導零的兩位數，即 00 59。s 分鐘...